一种在线河网时空异常事件检测方法
【技术领域】
[0001] 本发明涉及无线传感网检测技术领域，具体涉及一种利用分散的方法对河网无线 传感网络进行时空异常事件检测的方法。
【背景技术】
[0002] 随着传感器技术的快速发展和无线通信技术的日益成熟，无线传感器网络被广泛 的应用到生态科学观察，环境监测，灾难预警以及国防军事等领域。在这些实际应用中，自 动化的异常事件检测功能是必不可少的。通常来说，为了能够尽快的针对网络异常做出相 应的补救措施，需要实时检测突发的对系统应用造成影响的一切事件，包括物理现象、污染 物监测等，然后做出预警提示。传感器部署在河网中，来实时监测水中不同的物质例如氯的 浓度，水中游离氯的含量过高是水质污染最重要的原因，所以选择监测游离氯浓度来判断 异常事件的发生。传感器能产生大量的数据流，需要实时分析传感器的监测值，来检测异常 事件，特别是那些能造成河网水环境污染的异常事件。
[0003] 最近几年，对异常事件检测的研宄在无线传感网络领域已经得到很多关注。传统 的无线传感网络异常事件检测方法可以大致分为三类：基于阈值的检测方法，基于模式的 检测方法和基于学习的推理检测方法。
[0004] 上述几类方法都单独局限于时间或空间域的推理和学习，而时间和空间联合推理 和学习提及很少。而现实世界里，传感器都是按一定空间关系布局，传感数据则是按一定时 间周期采集的，因此，传感数据已表现出强烈的时空相关性，这样的时空关系对事件检测的 准确性至关重要。一种有效的异常事件检测方法，该方法不仅检测时间异常，而且检测空间 异常，追踪异常事件的传播路径，是异常事件检测要解决的问题，也是本发明所要解决的问 题。
【发明内容】
[0005] 发明目的：一种在线河网时空异常事件检测的方法，解决现有技术中无法综合考 虑网络异常事件的时空相关性的问题。为了能综合考虑时间和空间因素，选择概率图模型 分别模拟时间和空间数据，利用基于学习方法的马尔科夫链发现时间事件，用贝叶斯网络 推测空间事件的出现概率，综合考虑时间和空间异常事件，判定是否有时空异常事件发生。 并且用连通支配集算法选择重要的节点作为骨干接点代替所有的节点在线监测。
[0006] 技术方案：一种在线河网时空异常事件检测方法，包括以下四个方面：
[0007] (1)利用连通支配集算法选择骨干节点，在线监测骨干节点的时间和空间状态，代 替监测全部节点；
[0008] (2)用马尔科夫链模拟时间过程，根据步骤（1)选出的骨干节点单独的经过马尔 科夫链，利用状态之间转移概率预测事件发展变化趋势。当经过马尔科夫链时，如果预测的 骨干节点传感器状态对s,， t+r)有一段时间序列T与实测的传感器状态X(Si，t+T)不一致 时，认为发生了时间异常；
[0009] (3)河网传感器的空间分布用贝叶斯网络表示，把每个传感器看做贝叶斯网络的 一个节点，河流的流向看作贝叶斯网络边的方向。可以把传感器网络看成是一个有向无环 的贝叶斯网络，用贝叶斯网络推测空间事件的出现概率判断是否发生空间异常；
[0010] (4)根据马尔科夫状态转换看河网中骨干节点是否有时间异常事件发生，然后根 据贝叶斯网络预测骨干节点是否有空间异常事件发生，最后判定是否有时空异常事件发 生，时间和空间相关性模型将互相协调来检测时空异常事件；
[0011] 本发明披露的一种在线河网时空异常事件检测的方法，所述内容（1)利用连通支 配集算法选择骨干节点，在线监测骨干节点的时间和空间状态，代替监测全部节点的具体 步骤如下：
[0012] (1. 1)标记过程：初始化时，所有节点都是非支配节点；每个节点u与在其通信半 径内Ru的邻居交换各自邻居的信息，此时节点u根据邻居信息，判断是否存在两个不能直 接相互通信的邻居节点V和w，若存在，则节点u作为候选支配节点参与构建CDS，否则表明 节点u可以被其他节点控制，不作为CDS节点。
[0013] (1. 2)剪枝规则：通过标记过程得到的候选支配节点数量过多，候选支配节点需 要根据剪枝规则，减少支配节点集的数量。如果候选支配节点u的K个邻居节点可以通过 其他支配节点进行通信，那么从CDS中删除节点u得到的节点集仍是CDS，因此从候选支配 节点集中删除节点u，节点u成为非CDS节点。
[0014] (1.3)连通支配集中的节点作为骨干接点，只需要监测骨干节点的数据流代替监 测所有节点。这种策略能保证未被选择的节点能从它的邻居节点中发现至少一个骨干节 点，当异常事件发生在未被选择的非骨干节点附近时，能尽快的传播到骨干接点，能迅速检 测到异常的发生，减少损失。
[0015] 本发明披露的一种在线河网时空异常事件检测的方法，所述内容（2)用马尔科夫 链模拟时间过程，覆盖了无线网的通信图，所有的传感器结点单独的经过马尔科夫链，利用 状态之间转移概率预测事件发展变化趋势。当经过马尔科夫链时，如果预测的骨干节点传 感器状态文(s,.,t+r)有一段时间序列t与实测的传感器状态X(Si，t+T)不一致时，认为发 生了时间异常。时间异常检测的具体步骤如下：
[0016] (2. 1)马尔科夫链是离散时间点上的一个有限或者可数的事件序列（EdE2...)的 集合，在任何时间，过程未来的行为仅仅取决于当前的状态，与之前的状态无关。用马尔科 夫链模拟时间过程，根据步骤（1)选出的骨干节点单独的经过马尔科夫链，利用状态之间 转移概率预测事件发生的状态。
[0017] (2. 2)传感器监测河网中游离氯浓度被量化成3种状态，Low(低浓度）， Medium(浓度适中），High(高浓度）监测的传感器流单独经过马尔科夫链，首先定义当前 的状态，然后预测下一步的状态。假设传感器在时刻S t的状态为N i，时刻St+1的状态为N」， 根据马尔科夫链的状态转换概率Pu=P(St+1= N」St=N ) =P(N」队）预测事件发生的状 态及其发展变化趋势。
[0018] (2.3)传感器偏离正常时间行为可以看作是噪音或者作为一个时间异常事件。由 于偏离频繁的出现，所以否定了噪音这一可能性，因此，连续出现的偏离可以看做时间异常 事件，当经过马尔科夫链时，如果预测的骨干节点传感器状态文(s,_,t+r)有一段时间序列T 与实测的传感器状态X(Si，t+T)不一致时，认为发生了时间异常。
[0019] 本发明披露的一种在线河网时空异常事件检测的方法，所述内容（3)河网传感器 的空间分布用贝叶斯网络表示，把每个传感器看做贝叶斯网络的一个节点，河流的流向看 作贝叶斯网络边的方向。可以把传感器网络看成是一个有向无环的贝叶斯网络，用贝叶斯 网络推测空间事件的出现概率判断是否发生空间异常。空间异常检测的具体步骤如下：
[0